研究表明人工智能可以快速準確地分析心臟掃描結(jié)果

人工智能已經(jīng)影響到你生活的無數(shù)領(lǐng)域，從你的工作到你的醫(yī)療保健。新的研究表明，它很快就可以用來分析你的心臟。

人工智能將很快被用于分析你的心臟。

周三發(fā)表的一項研究發(fā)現(xiàn)，在對超聲掃描顯示的心臟解剖結(jié)構(gòu)進行分類時，先進的機器學習比獲得國際認證的超聲心動圖醫(yī)師更快、更準確、更有效。這項研究是由來自加州大學舊金山分校、加州大學伯克利分校和貝斯以色列女執(zhí)事醫(yī)療中心的研究人員進行的。

研究人員訓練了一臺計算機來評估最常見的超聲心動圖(echo)視圖，使用了超過180,000張回波圖像。然后，他們在新的樣品上測試了電腦和人類技術(shù)人員。在評估回聲視頻時，計算機的準確率為91.7%至97.8%，而人類的準確率只有70.2%至83.5%。

“這為全面分析超聲心動圖提供了一個基礎(chǔ)步驟，”UCSF醫(yī)學中心心臟病學家、UCSF醫(yī)學院助理教授Rima Arnaout博士說。

解釋超聲心動圖可能很復雜。它們包括幾段視頻剪輯、靜態(tài)圖像和從十幾次觀看中獲得的心臟記錄。某些觀點之間可能只有細微的差異，這使得人們很難提供準確和標準化的分析。

人工智能可以提供更多有用的結(jié)果。研究表明，深度學習已被證明在學習圖像模式方面非常成功，是一種有前途的工具，可以幫助專家在放射學、病理學和皮膚病學等領(lǐng)域進行基于圖像的診斷。人工智能還被用于醫(yī)學的其他幾個領(lǐng)域，從使用眼睛掃描預測心臟病風險到幫助住院病人。在去年發(fā)表的一項研究中，斯坦福大學(Stanford)的研究人員能夠訓練一種深度學習算法來診斷皮膚癌。

但是Arnaout說，超聲心動圖是不同的。在識別皮膚癌時，“一顆皮膚痣等于一張靜止圖像，而心臟超聲卻不是這樣?！睂τ谛呐K超聲，一個心臟相當于許多視頻，許多靜態(tài)圖像和至少四個不同角度的不同類型的記錄，”她說。“你不可能一步就從心臟超聲波診斷出來。你必須一步一步地解決這個診斷問題。”這種復雜性是人工智能尚未廣泛應用于超聲心動圖的部分原因。

該研究使用了超過22.3萬張隨機選擇的回聲圖像，這些圖像來自于加州大學舊金山分校醫(yī)學中心267名年齡在20歲到96歲之間的患者，收集于2000年到2017年之間。研究人員建立了一個多層神經(jīng)網(wǎng)絡(luò)，并使用監(jiān)督學習對15個標準視圖進行分類。80%的圖像是隨機選擇的，用于培訓，而20%的圖像是保留的，用于驗證和測試。委員會認證的超聲心動圖專家們隨機選擇了1500幅圖像——每種圖像各100幅——這些圖像來自于給該模型的相同測試集。

計算機從12個視頻中對圖像進行分類，準確率為97.8%。單幅低分辨率圖像的準確率為91.7%。另一方面，人類的準確率為70.2%到83.5%。

阿爾諾特說，卷積神經(jīng)網(wǎng)絡(luò)最大的缺點之一就是需要大量的訓練數(shù)據(jù)。

她說:“當你在網(wǎng)上看貓咪視頻之類的東西時，這很好，因為網(wǎng)上有很多這樣的視頻。”“但在醫(yī)學領(lǐng)域，將會出現(xiàn)這樣的情況，即不會有很多人患有這種疾病，也不會有很多人的心臟有這種特殊的結(jié)構(gòu)或問題。所以我們需要找到使用更小的數(shù)據(jù)集學習的方法?！?/p>

她說，研究人員能夠用不到1%的數(shù)據(jù)建立視圖分類。

在人工智能成為臨床應用的中心階段之前，還有很長的路要走，還有很多研究要做。

“這是第一步，”阿諾特說?！斑@不是你的醫(yī)生所做的全面診斷。但令人鼓舞的是，我們能夠用最少的數(shù)據(jù)實現(xiàn)基本的一步，這樣我們就可以進入下一步?！?/p>

最聰明的東西:革新者想出新方法讓你和你周圍的事物更聰明。